UndefinedMetricWarning: F-оценка неопределена и значение 0,0 в метках не предсказал образцы

Я'м получаю эту странную ошибку:

classification.py:1113: UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no predicted samples.
'precision', 'predicted', average, warn_for)`

но потом он также печатает Ф-забьет первый раз, когда я запускаю: 

metrics.f1_score(y_test, y_pred, average='weighted')

Второй раз, когда я запускаю, он обеспечивает результат без ошибок. Почему?

>>> y_pred = test.predict(X_test)
>>> y_test
array([ 1, 10, 35,  9,  7, 29, 26,  3,  8, 23, 39, 11, 20,  2,  5, 23, 28,
       30, 32, 18,  5, 34,  4, 25, 12, 24, 13, 21, 38, 19, 33, 33, 16, 20,
       18, 27, 39, 20, 37, 17, 31, 29, 36,  7,  6, 24, 37, 22, 30,  0, 22,
       11, 35, 30, 31, 14, 32, 21, 34, 38,  5, 11, 10,  6,  1, 14, 12, 36,
       25,  8, 30,  3, 12,  7,  4, 10, 15, 12, 34, 25, 26, 29, 14, 37, 23,
       12, 19, 19,  3,  2, 31, 30, 11,  2, 24, 19, 27, 22, 13,  6, 18, 20,
        6, 34, 33,  2, 37, 17, 30, 24,  2, 36,  9, 36, 19, 33, 35,  0,  4,
        1])
>>> y_pred
array([ 1, 10, 35,  7,  7, 29, 26,  3,  8, 23, 39, 11, 20,  4,  5, 23, 28,
       30, 32, 18,  5, 39,  4, 25,  0, 24, 13, 21, 38, 19, 33, 33, 16, 20,
       18, 27, 39, 20, 37, 17, 31, 29, 36,  7,  6, 24, 37, 22, 30,  0, 22,
       11, 35, 30, 31, 14, 32, 21, 34, 38,  5, 11, 10,  6,  1, 14, 30, 36,
       25,  8, 30,  3, 12,  7,  4, 10, 15, 12,  4, 22, 26, 29, 14, 37, 23,
       12, 19, 19,  3, 25, 31, 30, 11, 25, 24, 19, 27, 22, 13,  6, 18, 20,
        6, 39, 33,  9, 37, 17, 30, 24,  9, 36, 39, 36, 19, 33, 35,  0,  4,
        1])
>>> metrics.f1_score(y_test, y_pred, average='weighted')
C:\Users\Michael\Miniconda3\envs\snowflakes\lib\site-packages\sklearn\metrics\classification.py:1113: UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no predicted samples.
  'precision', 'predicted', average, warn_for)
0.87282051282051276
>>> metrics.f1_score(y_test, y_pred, average='weighted')
0.87282051282051276
>>> metrics.f1_score(y_test, y_pred, average='weighted')
0.87282051282051276

Кроме того, почему там в конце 'точности', 'предсказал', средний, warn_for) сообщение об ошибке? Нет открывающей скобки, так почему она заканчивается закрывающей скобки? Я с помощью Python sklearn 0.18.1 3.6.0 в среде стадион conda на Windows 10.

Я также посмотрел на здесь и я не'т знаю, если это'с той же ошибкой. Это [так] Сообщение2 Не'т иметь решение.

today
Редактировал вопрос 15-го января 2019 в 4:56
Программирование
python scikit-learn
1-го апреля 2017 в 10:05
35 просмотров
Комментарии к вопросу (2)
Решение

Как уже упоминалось в комментариях, некоторые надписи в y_true Дон'т появляются в y_pred. Конкретно в данном случае, ярлык '2' никогда не предсказывал:

>>> set(y_test) - set(y_pred)
{2}

Это означает, что нет Ф-результат расчета по этой этикетке, и, таким образом, F-оценка в этом случае считается 0.0. Так как вы просили в среднем результат, необходимо учитывать, что оценка 0 была включена в расчет, и поэтому пакет scikit-узнать, показывающие вам, что предупреждение.

Это подводит меня к вам не вижу ошибку во второй раз. Как я уже упоминал, это предупреждение, который трактуется по-разному из-за ошибки в Python. Поведение по умолчанию в большинстве сред-показать конкретное предупреждение только один раз. Это поведение может быть изменено:

import warnings
warnings.filterwarnings('always')  # "error", "ignore", "always", "default", "module" or "once"

Если вы установите это, прежде чем импортировать другие модули, вы увидите предупреждение каждый раз, когда вы запустите код.

Нет никакого способа, чтобы не видеть это предупреждение в первый раз, помимо установки предупреждения.filterwarnings('игнор')`. То, что вы можете сделать, это решить, что вы не заинтересованы в десятки надписей, которые не были предсказаны, а затем явно указать надписи, которые Вы являются интересно (что метки, которые были предсказаны по крайней мере один раз):

>>> metrics.f1_score(y_test, y_pred, average='weighted', labels=np.unique(y_pred))
0.91076923076923078

Предупреждение не показано в этом случае.

Комментарии (5)

В качестве альтернативы вы могли бы использовать следующий код

from sklearn.metrics import f1_score
metrics.f1_score(y_test, y_pred, labels=np.unique(y_pred))

Это должно удалить ваше предупреждение и дать вам результат, который вы хотели

Комментарии (0)

Принято отвечать уже хорошо объясняет, почему предупреждение возникает. Если вы просто хотите контролировать предупреждения, можно использовать precision_recall_fscore_support. Он предлагает (официоз) аргумент warn_for, которые могут быть использованы для отключения предупреждений. 

(_, _, f1, _) = metrics.precision_recall_fscore_support(y_test, y_pred,
                                                        average='weighted', 
                                                        warn_for=tuple())

Как уже упоминалось в некоторых комментариях, используйте это с осторожностью.

Комментарии (0)

Как говорится в сообщении об ошибке, метод, используемый, чтобы получить результат F от С "классификации" в рамках sklearn - таким образом, говорить о том, что "ярлыки" по.

Есть ли у вас проблемы регрессии? Sklearn предоставляет на "Ф забить на" Метод регрессии в графе "выбор компонентов" и группы: http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.f_regression.html

В случае, если у вас есть проблемы классификации, @Shovalt'ы ответ кажется правильным для меня.

Tw UxTLi51Nus
Редактировал ответ 14-го ноября 2017 в 1:16
Комментарии (1)